Verilerle yönetilen raylı sistemlere doğru

Allach lokomotif fabrikası üstün teknolojilerle donatılmış durumda...

15 ŞUBAT, 20170
Paylaş Tweet Paylaş
Verilerle yönetilen raylı sistemlere doğru
Gerhard Kreß’ın etrafı hem gerçek hem de sanal trenlerle çevrili durumda. Tam önünde duran bir ekranda bir aracın şematik çizimi görülüyor. Kendisinin başında olduğu Siemens Mobilite Veri Hizmetleri Merkezi’nin (MDS) açık ofisinde arkasında beyaz bir tahta duruyor. Bu beyaz tahta üzerinde trenlerin faaliyetleri esnasında aslında nelerin olup bittiğini gösteren kırmızı ve mavi formüller ve denklemler var. Kreß kafasını kaldırıp pencereden dışarı baktığında Siemens’in şu anda kendi Vectron sınıfı lokomotiflerini ürettiği Münih’in banliyölerindeki Allach endüstriyel yerleşkesinin binalarının testere dişi şekilli çatılarını görebiliyor. 2015 Ekim ayında burası aynı zamanda sadece üç vagon uzakta olan ve lokomotiflerin servise alındığı ve bakımlarının yapıldığı Demiryolları Servis Merkezi’ydi. Bu araç tamir atölyeleri sadece iki yolu değil ama aynı zamanda iki dünyayı da birleştiriyor: sanal ve gerçek olanları.
Dijital dönüşüm
Avrupa ve Avrupalı olmayan ülkelerin lokomotifleri, yüksek hızlı trenleri ve yerel trenlerinden gelen veri akışları MDS’de bir araya getiriliyor. Bu organizasyonun 20 programcısı, veritabanı uzmanı ve uygulama yöneticisi bu verileri cımbızla ayıklayarak gerçek zamanlı tren takibi, Büyük veriden akıllı veriye bileşenlerin aşınma ve arızalarının öngörülmesi ve karmaşık araç sorunları analizleri konularında demiryolu sektöründe rakipsiz bir veri-güdümlü servis sunumu geliştiriyor. Kreß, “Bir araç bizim servis merkezimize giriş yapmadan önce biz zaten onunla ilgili ne yapılması gerektiğini çoktan biliyor oluruz” diyor. Bu sayede trenlerin maksimum seviyede hizmet vermeleri sağlanıyor. Kreß, “2014 yılına kadar böyle bir grup daha ortada yoktu. Şu anda yaptığımız iş hiç de azımsanacak bir iş değil zira veri analizi uzmanları bugünlerde fevkalade rağbet görüyor” diyor. Raylı teknolojilerin gelişiminin önünü dijital dönüşüm açıyor. Geleneksel olarak faaliyet merkezlerindeki raylı araçların düzenli bir şekilde kontrolünden, aşikar sorunların çözümünden ve makinelerin tamirinden ibaret olan bakım ve onarım işlerinde dijital teknolojiler yeni bir hizmet seviyesinin kapılarını açıyor. Uzaktan veya yerel bazda toplanan sensör verileri, hata mesajları ve seyir dosyaları, MDS çalışanlarına raylı araçlarla ilgili eşi benzeri görülmedik seviyede ayrıntılar sunuyor.
Milyarlarca veri noktası
Gerçekten de dijital teknolojiler uzmanlara sadece hız, fren mesafesi ve kilometre gibi standart değişkenlerden çok daha fazla bilgiler sağlıyor. Bu teknolojiler örneğin kompresörlerin çalışmaları, birbirine bağlı vagonların ağırlığı ve otomatikman kontrol edilen süreçlerin son durumu gibi bilgiler de sunuyor. Üstelik rayların kalitesi, irtifa ve yolun eğim açısının yanı sıra demiryolu ağlarında çalışan trenlerin frekansları ve faaliyet esnasındaki hava koşullarını da bildiriyorlar. Kreß, “Ulaşım sektörünün geleceği açısından tek belirleyici faktör araçlar değil. Müşteriler açısından araçların yaşam boyu maliyetleri ve onların etkin kullanımları da önem taşıyor. Başarıya ulaşmak ancak araçlardan, altyapıdan ve faaliyetlerden gelen yığınla verinin yardımıyla mümkün olabilir” diyor. Tüm bunlar kocaman bir veriler dağına neden oluyor. 100 vagondan oluşan bir filo her yıl yaklaşık 100 ile 200 milyar veri noktası yaratır. Kreß ve ekibi anlamlı şablonlar çıkarabilmek için bu verileri analiz ediyorlar. Ortaya çıkan bilgiler MDS’nin örneğin bakım süreçlerini optimumlaştırmasını sağlayabilir. Örneğin yüksek hızlarda aşırı seviyede aşınma ve yıpranmaya maruz kalan vites kutusu yataklarıyla MDS yaşanılabilecek sorunları en az 3 gün öncesinden tahmin edebilir. Böylelikle trenlerin sürekli çalışır durumda olmalarını engelleyen arızalardan uzak durulabilir ve maliyetten tasarruf edilebilir.

Yüksek hız ve güvenilirlik

Bu yaklaşımın arkasında, ulaşım sistemlerinin analizini yapan MDS ekibi tarafından geliştirilmiş bir tahmin modeli yatıyor. Veri analistleri geniş bir çeşitlilik yelpazesinde yer alan trenlerden gelen sensör ve altyapı verilerini değerlendirmek için başlangıçta konvansiyonel öğrenen makineler algoritmasından faydalanmışlardı. Bu süreç için sistemler arasındaki altta yatan ilişkilerle ilgili derinlemesine bilgi gerekir. Bu gibi bilgiler ise Allach’daki yeni Demiryolları Servis Merkezi’nde çalışan tren mühendisleri, tren imalatçıları ve işçilerden elde edilebilir. Madrid ile Barselona arasında çalışan İspanyol Ulusal Demiryolları’ndaki (Renfe) yüksek hızlı raylı hatta bunun ne kadar işe yaradığı görülebilir. Bu hatta Renfe bir hava güzergahıyla rekabet halinde. Bir saat yirmi dakikalık uçuş süresine kıyasla bu tren aynı mesafeyi iki buçuk saatte kat edebiliyor. Ancak Renfe kendi tren yolcularına 15 dakika veya daha fazla bir gecikme olması halinde tren bileti ücretinin tamamının iade edilmesi garantisini veriyor. Bu kadar üst seviyede güvenilirliği garanti altına almak için Renfe trenlere yönelik ileri veri analizlerinden faydalanan bir ortak girişim kurmak amacıyla Siemens ile işbirliğine gitmişti. Sonuçta ise yaklaşık 2 bin 300 yolculukta yalnızca bir kez, o da teknik sorunlardan kaynaklanan ve dikkate değer tek bir gecikme yaşanmıştı.
Hata mesajlarıyla ilgili bir fren arızası örneğin lokomotifin aynı anda bir vagona da kancayla tutturulduğu bir durumda normaldir. Bu tür bilgi sayesinde önemli olan ve olmayan faktörleri birbirinden ayırabilmek ve nedensel zincirleri kavramak mümkün olabiliyor. Bu yaklaşım sayesinde Kreß ve ekibi sadece bir yıl sonra tahmin modellerini bir hayli yüksek güvenilirlik seviyesiyle kullanmayı başarabilir hale geldi.

Büyük veriden odaklanmış çözümlere
Siemens Veri Hizmetleri Merkezi’nin sunduğu ekstra bir fayda daha var: İster Almanya, ister İspanya veya Rusya olsun, o sadece farklı demiryolu filolarından gelen veri setlerini değil aynı zamanda bu filoların faaliyet gösterdiği farklı koşullarla ilgili bilgileri de kullanıyor. Tüm bunlar üst üste eklendiğinde ortaya artırılmış bir raylı taşıt güvenilirliği çıkıyor. Bu aslında riskleri azaltmak için MDS’nin servislerden faydalanabilecek küçük operatörler için bir avantaj olabilir. Kreß, “Arızaların önceden tahmin edilmeleri, hata tanımları ve iyi planlanmış bakım-onarım döngüleri daha sadece bir başlangıç. Gelecekte bugün tıpkı uçaklarda mümkün olduğu gibi anormal durum verilerini gözden geçirmek için bir aracın tüm veritabanını indirebilir hale gelmemiz mümkün görünüyor” diyor. Genel olarak değerlendirildiğinde MDS veri analitikleri sayesinde müşterilerine muazzam boyutta bir katma değer sunuyor. Buna karşılık Siemens Mobilite Bölümü’ne keskin bir rekabet avantajı kazandırırken, Siemens grubu için de dijital bir şirkete dönüşmekte önemli bir adımı temsil ediyor. Ancak sonuçta bu başarı Siemens’in trenler ve onların bakım-onarım süreçleri hakkında Allach’daki Demiryolları Servis Merkezi’nde günlük bazda faydalandığı bir uzmanlık alanı olan ve zaten 10 yıllardır kendi kendine edindiği kapsamlı tecrübeler sayesinde gerçekleşiyor. Kreß, “Şayet MDS tek başına bir şirket olsaydı kesinlikle bu derece güçlü olamazdı” diyor.

İLGİNİZİ ÇEKEBİLİR

Yorum Yaz




Veri politikasındaki amaçlarla sınırlı ve mevzuata uygun şekilde çerez konumlandırmaktayız. Detaylar için veri politikamızı inceleyebilirsiniz.